En este momento, muchos vehículos especiales están involucrados en actividades ilegales como la minería ilegal, el robo de petróleo y gas, la destrucción de espacios verdes y la construcción ilegal, que tienen graves impactos negativos en el medio ambiente y la economía. Las actividades ilegales de estos vehículos especiales se están volviendo cada vez más rampantes debido al número limitado de inspectores y al alto costo requerido para la vigilancia. El desarrollo de la teledetección con drones está desempeñando un papel importante al permitir un monitoreo eficiente e inteligente de los vehículos especiales. Debido a los recursos de computación limitados a bordo, la detección de objetos de vehículos especiales aún enfrenta desafíos en aplicaciones prácticas. Para lograr el equilibrio entre la precisión de detección y el costo computacional, proponemos un nuevo algoritmo llamado YOLO-GNS para la detección de vehículos especiales desde la perspectiva de un UAV. En primer lugar, se introduce la estructura de contexto de Cabeza Única Sin Cabeza (SSH) para mejorar la extracción de características y facilitar la detección de objetos pequeños u ocultos. Mientras tanto, el costo computacional del algoritmo se reduce en vista de GhostNet al reemplazar la convolución compleja por una transformación lineal mediante una operación simple. Para ilustrar el rendimiento del algoritmo, se dedican miles de imágenes a esculpir en una variedad de escenas y condiciones climáticas, cada una con una vista de UAV de vehículos especiales. También se han realizado experimentos cuantitativos y comparativos. En comparación con otros derivados, el algoritmo muestra un aumento del 4.4% en la precisión promedio de detección y un aumento de 1.6 en la tasa de cuadros de detección. Estas mejoras se consideran útiles para aplicaciones de UAV, especialmente para la detección de vehículos especiales en una variedad de escenarios.